数字图像报告.docVIP

数字图像处理报告 温林 141607020025 计算机技术 一、研究问题 数字图像分割的方法 文献阅读 1、《结合相似拟合与空间约束的图像分割》（中国图形图像学报） 2、《一种基于标记的分水岭图像分割新算法》（中国图形图像学报） 3、《基于主动轮廓模型和水平集方法的图像分割》（中国图形图像学报） 4、《图像分割方法研究》（中国图形图像学报） 三、主流方法和技术 （1）、图像分割 根据图像的灰度，颜色，纹理和形状等不同的特征把整个 图像区域分成若干个互不重叠的区域，并使这些特征在同一区域内呈现出相似性，而在不同区域呈现出明显的差异性。图像分割是由图像处理到图像分析的关键步骤。 （2）、主流方法 现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘检测的分割方法、基于分水岭的分割方法、投影法、差影法、基于主动轮廓模型和水平集的分割方法、基于模型的分割方法、基于人工智能的分割方法、结合相似拟合与空间约束项的分割方法以及基于特定理论的分割方法等。目前比较主流的方法有：基于阈值的分割方法、基于区域的分割方法、基于边缘检测的分割方法、基于分水岭的分割方法、基于模型的分割方法、基于人工智能的分割方法以及基于特定理论的分割方法等 2.1、基于阈值的分割方法 2.1.1、阈值化 阈值化是最常用的一种图像分割方法，其特定是操作简单，分割结果是一系列连续区域灰度图像的阈值分割一般基于如下假设：图像目标或背景内部的相邻像素间的灰度值是高度相关的，目标与背景之间的边界两侧像素的灰度值差别很大，图像目标与背景的灰度分布都是单峰的。如果图像目标与背景对应的两个单峰大小接近、方差较小且均值相差较大，则该图像的直方图具有双峰性质。阈值化常可以有效分割具有双峰性质的图像。 阈值分割过程如下：首先确定一个阈值T，对于图像中的每个像素，如果其灰度值大于T，则将其置为目标点（值为1），否则置为背景点（值为0），或者相反，从而将图像分为目标区域与背景区域，用公式可以表示为： 阈值分割的关键是如何确定适合的阈值，不同的阈值其处理结果差异很大，会影响特征测量与分析等后续过程。阈值过大，会过多的把背景像素错分为目标，而阈值过小，又会把目标像素错分为背景。取代阈值的方法有多种，可以分为不同的类型。如果选取的阈值仅与各个像素的灰度值有关，则称其为全局阈值，如果选取的阈值与像素本身及其局部性质有关，则称其为局部阈值。如果选取的阈值不仅与局部性质有关，还与像素的位置有关，则称其为动态阈值或自适应阈值。阈值一般可以表示为：T=T[x，y，f（x，y），p(x，y)]，式中f（x，y）是点(x，y）处的像素灰度值，p（x，y）是该像素领域的某种局部性质。 2.1.2、全局阈值 当图像目标与背景之间的具有高对比度时，，利用全局阈值可以有效的分割图像。确定全局阈值的方法有很多，如极小点阈值法、迭代阈值法、最优阈值法、Otsu阈值法、最大熵法、p参数法等。当具有明显的双峰性质时，可直接从直方图的波谷处选取一个阈值，也可以根据某个准则自动计算出阈值。 2.1.3、局部阈值 当图像目标与背景在直方图上对应的两个波峰陡峭、对称且双峰之间有较深的波谷或双峰相距很远时，利用全局阈值可以确定具有较好分割效果的阈值，但是，由于图像噪声等因素的影响会使得图像直方图双峰之间的波谷被填充或者双峰相距很近。另外，当图像目标与与背景面积差别很大时，在直方图上的表现就是较小的一方被另一方淹没。上述两种情况都使得本应具有双峰性质的图像基本上变成了单峰，难以检测双峰之间的波谷。为了解决这个问题，，除了利用像素自身的性质外，还要借助于像素领域的局部性质来确定阈值，这就是局部阈值。确定局部阈值常用的方法有两种：直方图变换法和散射图法。 2.1.4、动态阈值 在许多情况下，由于光照不均匀等因素的影响，图像背景的灰度值并不恒定，目标与背景的对比度在图像中也会有变化，图像中还可能存在不同的阴影。如果只使用单一的全局阈值对整幅图像进行分割，则某些区域的分割效果好，而另外一下区域的分割效果可能很差。解决办法之一就是使阈值随图像中的位置缓慢变化，可以将整幅图像分解成一系列的子图像，，对不同的子图像使用不同的阈值进行分割。这种与坐标有关的阈值称为动态阈值或者自适应阈值。 2.2、基于区域的图像分割方法 2.2.1、区域生长 区域生长的基本思想是把具有相似性质的像素集合起来构成区域。首先对每个要分割的区域找出一个种子像素作为生长的起点，然后将种子像素领域中与种子像素有相同或相似性质的像素合并到种子像素所在的区域中。将这些新像素作为新的种子像素继续上面的过程，直到没有可接受的领域像素时停止生长。 区域生长法需要选择一组能正确代表所需区域